基于高光谱成像的蔬菜新鲜度检测初探

目的 利用高光谱成像技术对蔬菜新鲜度检测进行了初步探讨。方法 采集了小白菜、菠菜、油菜、娃娃菜这四种蔬菜的叶片, 分别在失水0、10、24、48 h的状态下, 利用成像光谱仪采集其光谱图像, 对蔬菜叶片进行对比分析。结果 蔬菜在失水过程中, 高光谱图像能反映其外观形态及内部叶绿素的变化, SPAD值预测模型的相关系数r=0.76。结论 利用高光谱成像来辨别蔬菜叶片新鲜度是可行的。     

农药残留加工因子及其在膳食暴露评估中的应用

从初级农产品到入口的食品通常需要各种加工处理,而加工过程会影响食品中的农药残留水平,从而影响来源于初级农产品检测数据的风险评估结果的准确性,因此在风险评估模型中纳入农药残留加工因子有助于真实反映农药残留膳食暴露风险。本文以常用的食品加工技术如清洗、去皮、烹调、榨汁、杀菌及其他相关技术为出发点,综述了典型的加工方式对食品中农药残留的影响以及目前相应的加工因子在农药残留暴露评估中的应用情况,为掌握食品中农药在加工过程中的残留动态、改进食品加工技术提供参考,也为农药残留膳食暴露评估提供依据,进而真实反映人群中农药残留的暴露风险。     

高光谱成像技术在果蔬品质安全无损检测中的应用

近年来,人们对果蔬品质关注度提高。随着成像技术和光谱技术的快速发展,高光谱成像技术广泛应用于各种果蔬产品的快速和非破坏性检测中。高光谱成像技术具有"图谱合一"的优点,可同时检测果蔬的内部、外部品质信息。本文介绍了高光谱成像技术的基本原理,综述了高光谱成像技术在果蔬内外部品质检测方面的应用进展,并简要分析了高光谱成像技术在果蔬品质检测中的发展趋势和面临的挑战,以期对我国相关研究人员的研究工作提供参考。     

烤烟鲜烟叶成熟度的量化

利用SPAD-502叶绿素计进行了连续两年的田间试验,研究了烤烟鲜烟叶的成熟度量化判别。结果表明不同成熟度鲜烟叶的差异主要表现在叶绿素含量上。选取与叶绿素含量关系密切的叶绿素相对值(SPAD)作为鲜烟叶成熟度的判别指标,并建立了烟叶成熟度的叶绿素计读数模型TMDSPADV,该模型的判别分类与先验的成熟度分类符合率为91%。因此,基于SPAD的成熟度TMDSPADV模型,可以进行量化的鲜烟叶成熟度判别。     

基于图像处理的农药残留速测卡快速检测

目的通过图像处理的方法来快速检测农药残留。方法利用图像提取、中值滤波和分量定值等图像处理技术,建立了基于速测卡检测结果图像处理的半定量检测。结果农残样品与胆碱酯酶在37℃下经过4min预反应,与检测结果的红色分量均值与农药浓度呈显著的正相关关系,对西维因和乐果的检出限为0.1mg/kg。结论与目测法相比,图像处理的检出限更低,也更为客观准确,为农药残留的快速检测提供了一种新的技术手段。     

可变内标法测定冶金炉冰铜的Fe和S

利用冶金炉冰铜中的共存元素Cu,作为Fe和S的可变内标,以克服基体的粒度效应及吸收－增强效应,取得了满意的结果。     

基于可见光-近红外新光谱特征和最优组合原理的大麦叶片氮含量监测

提出新的作物冠层叶片氮含量(LNC)高光谱遥感监测方法,以对氮素要求较高的大麦LNC监测为例,利用田间实测数据,从可见光－近红外区域的高光谱反射曲线中提取包含丰富多波段信息的斜率、夹角等新型特征参数,应用组合预测领域中的权重最优组合原理及其算法,实现对作物LNC的高光谱监测.研究表明,提出的高光谱反射曲线斜率和夹角等新型特征参数与作物LNC显著相关,并具有较好的定量响应关系,其中关键斜率参数(Kre/Kpb)和Kpb以及夹角参数(Aδ/Aα)和(Aδ/Aθ)较好地描述了LNC的动态变化; 而权重最优组合分析则表明(Kre/Kpb)和Knir1两个参数的组合最能响应LNC的光谱信息,有助于增强监测的稳定性并提高估测的精度.     

节水灌溉控制中远程信号变送器的研究与设计

针对电压信号不适合远距离传送的特点,结合农业节水灌溉控制的实际情况,筛选并设计出以集成运算放大器为核心的电压转换为电流的变送器及以集成芯片LM331为核心的电压转换为频率、频率转换为电压的变送器。经在农业节水灌溉控制工程中应用,可以满足信号远距离传送的要求,并且性价比较高。     

基于TM影像的冬小麦苗期长势与植株氮素遥感监测研究

叶面积指数和叶片氮素含量是决定小麦群体长势的重要生理指标,也是制定栽培管理措施的必要依据。利用遥感监测小麦返青后的叶面积指数和叶片氮素含量,便于及时采取施肥、灌溉、中耕等调控措施,达到优质、高产稳产、高效的目的。本文使用TM影像数据与实地GPS定位相结合的方法,研究了冬小麦返青后叶面积指数及植株氮素含量的变化态势。结果表明:(1)TM影像的NDVI的地域性差异较大,且随纬度呈现极明显的线型负相关变化态势;(2)将用NDVI反演的LAI与实测的LAI进行比较,二者较为一致,其均方差根(RMSE)为0.111;(3)利用NDVI监测的小麦植株氮素含量与实地观测的植株氮素含量较为相近,二者的RMSE为0.085。总之,利用TM影像的NDVI可以快速、精确地监测返青期小麦的LAI和植株氮素营养状况。同时,本研究结果也可为冬小麦返青期的苗情诊断和管理决策提供及时、准确的信息支持。     

基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证

基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。